初めて質的データを分析する場合、初心者の研究者はかなりの混乱を伴うことがあります。 発表された研究発表を読むと、「発見」を得るために著者が実際にデータに対して行ったことの説明が限定的で不透明なため、どのようにデータを分析すればよいのか、謎が深まることがあります。 分析プロセスの説明が不透明な理由の一つは、研究者がデータ、理論、他の研究の間を文字通り行ったり来たりする反復的・再帰的なプロセスでデータを使って思考してきたことにある。 このプロセスを詳細に記述することは、研究プロセスを論理的に整理し、簡潔に記述することを期待される学術論文にはそぐわないのです。 いずれにせよ、質的データの分析が初めての方でも、すぐに始められる方法はたくさんあります。 このブログでは、質的研究者の間で広く使われている予備コーディングについて少しお話します。
データ分析は理論的な情報に基づくもので、データ分析へのどんなアプローチも、研究に使用する理論的アプローチに依存します。 最近、実践としての「コーディング」は多くの批判を受けていますが（St. Pierre, 2011など）、データセットに入り、何が起こっているのかの最初の感覚を得るための方法の一つであり、唯一の方法というわけではありません。 まず、コーディングとは何でしょうか。 学者たちは、何十年もの間、「コーディング」が意味するものを定義してきました。 以下は、質的データの分析について書かれた学者によるいくつかの定義です：
「コードとは、研究中に収集された記述的または推論的情報に意味の単位を割り当てるためのタグまたはラベルです。 コードは通常、単語、フレーズ、センテンス、または段落全体など、さまざまな大きさの「かたまり」に付けられ、特定の設定に接続されているか、接続されていないかがわかります」（Miles & Huberman, 1994, p. 56）。
コーディングのプロセスは、コービンとストラウスにとって、「データから概念を導き出し、発展させる」（コービン&ストラウス、2008、p.65）ことを含みます。
「コーディングとは、データの各部分を同時に分類し、要約し、説明するラベルでデータのセグメントに名前を付けることです。 コーディングは、データの具体的な記述を超えて、分析的な解釈を行うための最初のステップである」(Charmaz, 2006, p. 43).
「コーディングの本質は、データを整理して、一つ以上の枠組みや考えの集合の観点から意味を持たせる様々なカテゴリーに分類するプロセスである」(Charmaz, 2006, p. 43).
「コーディングの本質は、それを整理して、一つの枠組みや考え方のセットの視点からそれを意味付ける様々なカテゴリーの分類するプロセスである。 (Lofland, Snow, Anderson, & Lofland, 2006, p. 200).
簡単に言えば、「コーディング」は、研究者がある種の「ラベル」の使用を通じてデータソース（これらがインタビューの転写、自然発生データ、フィールドノート、文書、視覚データであろうと）に示される「意味」を総合するプロセスである。 ラベルは、参加者自身の言葉が使われたデータそのものから得られる場合もあれば（すなわち「in vivo」）、観察されたものを要約するために研究者が適用する場合もあり、また、より広い研究目標や研究に情報を与える文献から演繹的に導き出される場合もある。 データインベントリーは、プロジェクトの資料を整理するのに役立ちます。 紙で作業するのが好きな人にとって、これはデータセットが印刷され（インタビューの記録、観察のフィールドノート、文書など）、データに簡単にアクセスできるように整理されることを意味します。 私が定性調査を始めたばかりの頃は、このようにしてデータセットを整理していました。 現在は、プロジェクト文書のデジタル版をパソコンのフォルダーに整理することが多くなりました。 私は通常、パスワードで保護されたスプレッドシートを使って、さまざまなデータソース、データの生成日や収集日、変換処理（書き起こしなど）を記録しています。 このファイルには、参加者の名前と使用したペンネームを含めることもある。
私がデータインベントリーを作成する場合、通常、次のような要素があります。
- Researcher/s
- Study description
- Research Purpose
- Research Questions
- Definition of Terms (if applicable)
- Study design and methods
- IRB procedures (this is a pilot study with an approved IRB ?これは承認されたIRBか? コースで承認されたIRBか？ 他の研究者のIRBからのデータか？）
- 参加者（何人？ どのように募集したのか? どのような基準でサンプリングしたのか)
- 研究期間(いつ実施したのか、研究期間は？)
- データ説明(どの程度のデータがあるのか)
- データ説明(どの程度あるのか？)
- transcripts of interviews/video (duration of interviews)
- documents & archival material (List of documents; How many?)
- field notes (condensed, expanded; how many pages?)
- audio/visual materials
- Research context.「研究の背景」
- Appendices as applicable:
- Chart with summary of data (no. of pages, collection date, participants etc.).)
- データサンプル(例:1つの完全なトランスクリプト、アーカイブデータのサンプル)
読み取りと再読取りを始める
データ分析を始める唯一の方法は、収集したデータの読み取りとレビューを始めることである。 インタビューや自然に起こったインタラクションの音声記録やビデオ記録を書き起こしている研究者は、すでに音声ファイルを注意深く聞いており、データソースに何が見られるかについて良い感覚を身につけているはずなので、良いポジションにいると言える。 データセットが非常に大きい場合、音声やビデオ資料の最初の「索引付け」を行うことが役立つ場合がある。 これは、オーディオやビデオに何が含まれているかを、タイムスタンプとともに「インデックス」または短い説明文（書き起こしではありません）を作成することを意味します。 これは、データソース内の特定のイベントや瞬間を探し出し、分析プロセス中にそれをレビューしたり、より大きなデータセット内の選択された相互作用のさらなる転写を完了したりするのに便利です。 初期コーディングを行う初心者の研究者には、いくつかの課題が待ち受けている。 まず、予備コーディングのやり方には「正しい方法は一つもない」。 第二に、同じデータセットをコーディングするためのあらゆる種類のアプローチがあり、一部の研究者は、他の研究者が適用する可能性のあるコーディングスキーマを開発しました。 例えば、Bogdan & Biklenの（2003, pp. 162-168）のスキーマには、次のようなコーディング・カテゴリーがある。
- 設定／文脈
- 状況の定義
- 対象者の視点
- 人&物
に関する参加者の考え方プロセス
第三に、このようなことがあります。 コーディングは、そのプロセスを「テーマ分析」（ブラウン & クラーク, 2006）と表現する研究者が、「グラウンデッド・セオリー」アプローチを信奉する研究者（シャルマズ, 2014; Corbin & Strauss, 2015; Glaser & Strauss, 1967)。 プロセスには大まかな共通点があるが、グラウンデッド・セオリストは、テーマ別分析アプローチでは通常使用されない「グラウンデッド・セオリー」を展開するための特定のアプローチを詳述している。
コード辞書を開発する始めに、使用するラベルまたはコードのそれぞれが定義されている「コード辞書」を開発すると、何が起こっているかを追跡するのに役立つことがあります。 つまり、特定のコードがデータに適用されるパラメーター、つまり、包含基準および除外基準を書き出すことです。 ここで、コードがどのように適用されたかを説明するために、データの抜粋を含めることも有効です。
| コード | コードの定義 | 図解抜粋 |
最初のコードを適用したら、これらをいくつかの大きなグループに再整理することが可能です。 これは分析プロセスの初期段階であるため、このプロセスは「試行」段階と見なされるかもしれません。 予備コードのグループを説明するために使用されるかもしれないラベル（またはカテゴリ）があるかどうかを検討します。 この時点で、「メモ」を書き始めると非常に便利です。
メモを書く
メモ書きについては別のところで書きましたが、これは研究者がデータ、コード、およびカテゴリについて書き始めるプロセスです。 メモ書きを通して、データに質問をしたり、データの中で何が重要かを考えたり、また、さまざまなコードが互いにどのように関連するかを考えたりすることができます。 ここでは、データセットからの抜粋を書き込むこともできる。 2889>
ここで説明したのは、データセットを探索するために使用する最初のプロセスです。 これは決してデータ分析プロセスの結論ではありません。 しかし、次はどこに行くのでしょうか。 その答えは、特定のプロジェクト、研究者が何を達成したいかに依存し、研究の開発に関与した文献や、特定の研究で取る存在論的、認識論的、理論的視点に関与する文献に戻ることが必然的に必要になると思います。
データ分析に関するその他のヒントはこちら：
Managing fear and anxiety in inductive analysis of qualitative data
11 “trick” to think with when analyzing data
Kathy Roulston
Braun, V…, & Clarke, V. (2006). 心理学における主題分析の活用 心理学における質的研究, 3(2), 77-101. doi:10.1191/1478088706qp063oa
Charmaz, K. (2006). グラウンデッド・セオリーを構築する。 質的分析による実践的ガイド. サウザンド・オークス，カリフォルニア：セージ.
.
Charmaz, K. (2014). コンストラクティング・グラウンデッド・セオリー（第2版）. ロサンゼルス: Sage.
Coffey, A., & Atkinson, P. (1996). 質的データの意味づけ: 補完的な研究戦略(Complementary Research Strategies). サウザンド・オークス 2889>
Corbin, J., & Strauss, A. (2008). 質的研究の基礎(第3版). ロサンゼルス Sage.
Corbin, J., & Strauss, A. (2015). 質的研究の基本。 グラウンデッド・セオリーを展開するための技法と手順（第4版）. ロサンゼルス Sage
Glaser, B. G., & Strauss, A. L. (1967)。 グラウンデッド・セオリーの発見。 質的研究のためのストラテジー. New York: Aldine de Gruyter.
Huberman, A. M., & Miles, M. B. (1994)． データ管理と分析手法. N. K. Denzin & Y. S. Lincoln (Eds.), Handbook of qualitative research (pp. 428-444). サウザンド・オークス Sage.
Lofland, J., Snow, D., Anderson, L., & Lofland, L. H. (2006)（Lofland, L. H. (2006). 社会的セッティングの分析。 質的観察と分析のためのガイド（第4版）. Belmont, CA: Thomson, Wadsworth.
Miles, M. B., & Huberman, A. M. (1994)． 質的データ分析。 An expanded sourcebook (2nd ed.). Thousand Oaks, CA: Sage.